一种基于轻量级神经网络的FM机会信号定位方法

本发明公开了一种基于轻量级神经网络的FM机会信号定位方法。首先划分定位场景并建立平面直角坐标系，然后在场景内设定参考点并采集参考点的FM信号。将信号的IQ序列标注坐标标签后进行功率归一化处理，作为网络模型的输入，建立轻量级神经网络，通过最小化损失函数训练网络，获得该场景下的FM信号定位模型，并将待定位点的信号输入网络进行推理定位。在切换场景时，使用迁移学习的方法，以得到新场景的定位模型。本方法简单易部署，且能极大降低定位系统复杂度。同时，在场景切换时使用迁移学习方法，减轻了新场景模型训练负担，减少对新场景参考点样本量的需求，极大降低了场景切换造成的开销。